el impacto de programas de transferencias …
TRANSCRIPT
i
EL IMPACTO DE PROGRAMAS DE TRANSFERENCIAS
CONDICIONADAS SOBRE LA EDUCACIÓN
Trabajo de Suficiencia Profesional presentado para optar al Título profesional de
Licenciado en Economía
Presentado por
Diana Sofía Cáceres Atencio
Pedro Enrique Torres Quiroz Lozano
Lima, enero 2020
ii
RESUMEN
El presente trabajo analiza la relación entre los programas de transferencias monetarias
condicionadas y los indicadores de educación, en América Latina. Este análisis es relevante
debido a la búsqueda de la reducción de la pobreza intergeneracional a través de la acumulación
en capital humano. Se lleva a cabo a través de la revisión de literatura tanto teórica como empírica.
El documento está divido en cuatro partes las cuales están organizadas de la siguiente manera:
una primera parte introductoria donde se plantea el objetivo y la hipótesis, una segunda parte en
la que se hace una revisión de literatura que constituirá el marco teórico, una tercera parte en
donde se realiza un análisis de evidencia empírica acerca de la experiencia internacional en los
programas de transferencia condicionada y finalmente una cuarta parte que incluye conclusiones,
recomendaciones y desafíos pendientes
ABSTRACT
This paper analyzes the relationship between conditional cash transfer programs and education
indicators in Latin America. This analysis is relevant due to the aim for the reduction of
intergenerational poverty through the accumulation of human capital. It is carried out through the
review of both theoretical and empirical literature. The document is divided into four parts which
are organized as follows: a first introductory part where the objective and the hypothesis are
raised, a second part in which a literature review is made that will constitute the theoretical
framework, a third part where an analysis of empirical evidence about the international
experience in conditional transfer programs is carried out and finally a fourth part that includes
conclusions, recommendations and pending challenges.
iii
TABLA DE CONTENIDOS
INTRODUCCIÓN ...................................................................................................................... 1
CAPÍTULO I. MARCO TEÓRICO .......................................................................................... 3
1. Metodologías de evaluación ............................................................................................ 8
CAPÍTULO II. EVIDENCIA EMPÍRICA ......................................................................... 13
CONCLUSIONES Y RECOMENDACIONES ...................................................................... 18
REFERENCIAS BIBLIOGRÁFICAS .................................................................................... 20
1
INTRODUCCIÓN
En 2015, se alcanzaron los niveles más bajos de pobreza a nivel mundial. Solo el 10% de la
población vivía con menos de USD 1.90 al día (World Bank Group, 2018). Sin embargo, para el
2019 el 23,1% de la población mundial es multidimensionalmente pobre1 de la cual dos tercios
viven en países de ingresos medios2. De dicho porcentaje, el 50% son niños menores de 10 años
(UNDP & OPHI, 2019). La gran mayoría de países de América Latina están clasificados como
países de ingresos medios. Esto aunado a características como la mala distribución del ingreso,
la organización social y cuestiones étnicas hacen que la región esté expuesta a desigualdades
económicas y sociales (Corbella & Calle Espinosa, 2017).
Estas características particulares de la región han hecho que se apliquen una serie de políticas
para enfrentar los problemas económicos que los afectan. Entre ellas, los programas de
transferencia condicionada son una medida de protección social en la cual se provee recursos,
monetarios y no monetarios, a familias en estado de pobreza con el fin de aliviar la pobreza en el
corto plazo y disminuir la incidencia de la pobreza intergeneracional, en el largo plazo, a través
de la inversión en capital humano (Borraz & González, 2008; Streuli, 2012). Por lo tanto, se exige
a los beneficiarios un comportamiento deseable que los haga corresponsables de su propio
bienestar o el de uno de los miembros de su familia (Streuli, 2012).
La corresponsabilidad que condiciona la transferencia está ligada a inversión en salud y educación
de los hijos; es decir, se transfieren recursos a los beneficiarios y se exige de antemano un
comportamiento verificable en acciones tales como controles preventivos de salud o asistencia
escolar (Streuli, 2012). En su mayoría, especialmente en América Latina, los PTC exigen
inversiones en edad temprana de los niños, las cuales han evidenciado retornos en el mercado
laboral y son difíciles de sustituir en períodos posteriores (Guabloche & Sánchez, 2014).
El presente trabajo tiene como objetivo hacer una revisión teórica y empírica que evidencie la
relevancia de los programas de transferencia monetaria condicionada (PTC) en la educación, cuya
acumulación se traduce en un incremento del capital humano. Esto se realizará a través de un
metaanálisis. Dado ello, la hipótesis que se plantea es que los PTC sí tienen un efecto positivo en
la educación, el cual se puede observar a través de la acumulación de años de estudio o grados.
Este análisis es relevante debido a que la literatura postula ampliamente a las transferencias
condicionadas como un instrumento de política eficaz contra la pobreza en el corto y largo plazo
(Ceccini & Madariaga, 2015).
1 El índice de pobreza multidimensional analiza a través de 10 indicadores que comprenden los campos de salud,
educación y estándar de vida las privaciones que enfrentan las personas en su vida diaria. 2 Naciones con PBI per cápita entre USD 1,026 y USD 12,375. Estas comprenden 107 países, por ejemplo: Perú,
Argentina, Brasil, Colombia y México.
2
El documento está divido en cuatro partes las cuales están organizadas de la siguiente manera:
una primera parte introductoria donde se plantea el objetivo y la hipótesis, una segunda parte en
la que se hace una revisión de literatura que constituirá el marco teórico, una tercera parte en
donde se realizará un análisis de evidencia empírica acerca de la experiencia internacional en los
programas de transferencia condicionada y finalmente una cuarta parte que incluye conclusiones
y desafíos pendientes.
3
CAPÍTULO I. MARCO TEÓRICO
En términos generales, se espera que el auge económico tenga una relación negativa directa con
la pobreza. No obstante, la relación entre el crecimiento económico y la pobreza es endógena a
la desigualdad en la sociedad. En una sociedad poco igualitaria, la heterogeneidad en la
acumulación de capital genera disparidad en la participación en las actividades productivas. En
este sentido, si los hogares en pobreza no participan activamente en la generación de ingresos, el
crecimiento económico no va a reducir la pobreza en la misma velocidad que incrementa el
ingreso promedio (J. M. García & Céspedes, 2011; López, 2003). Por el contrario, el efecto
desigualdad puede hacer que, dada la disparidad en los ingresos, el crecimiento económico tenga
una relación positiva con la pobreza en el corto plazo y persistente en el largo plazo (20 a 40 años
después) (López, 2003).
Esto puede ser determinante en el policy making. Por ejemplo, si se orienta la política económica
de un país a dinamizar la actividad productiva principal en el período de auge del ciclo económico
con el objetivo de reducir en determinado porcentaje la pobreza inmediata y su vulnerabilidad a
los períodos recesivos del ciclo. No obstante, los niveles de desigualdad son muy altos y los
hogares pobres no participan mayormente en esa actividad. El resultado final será el opuesto al
esperado, donde la pobreza no cambia o incrementa y los hogares se tornan más vulnerables
(Bourguignon, 2004).
La desigualdad es un concepto multidimensional que se puede descomponer en dos orígenes: la
desigualdad controlada por los individuos y la desigualdad exógena al individuo (Ham, 2014).
La primera se refiere al esfuerzo, mientras que la segunda refiere a una restricción invisible a
partir del set de dotaciones iniciales injustamente infligidas al individuo. Esta última debe ser
homogenizada de modo que la única fuente de disparidad social sea meritocrática y la pertenencia
a un grupo social no condicione significativamente las oportunidades de vida de un individuo ni
su bienestar (Ham, 2014).
La pobreza monetaria es una medida a partir de la capacidad de consumo de los hogares en los
términos del mercado, dejando de lado el consumo de bienes y servicios públicos como
educación, salud e infraestructura básica (CEPAL, 2013). De otro modo, la pobreza
multidimensional permite observar qué carencias determinan la intensidad de la pobreza entre los
hogares pobres (UNDP & OPHI, 2019).
La pobreza multidimensional se mide a través del Índice de Pobreza Multidimensional (IPM),
donde las carencias se recogen en tres dimensiones o componentes: Salud, Educación y Nivel de
Vida (UNDP & OPHI, 2019). Estos se pueden medir a través de diversos indicadores de
resultados intermedios y finales. Existen otros componentes que se identifican en la literatura
4
Salud
Educación
Nivel de Vida
Inclusión Financiera Dimensiones de la pobreza
Autonomía
Violencia
Información
Ocio
como dimensiones de pobreza multidimensional3, como lo son Inclusión Financiera, Autonomía,
exposición a Violencia, Información, Ocio, entre otros (Espíndola, Sunkel, Murden, &
Milosavljevic, 2017; Santos, Villatoro, Mancero, & Gerstenfeld, 2015). En término matemáticos,
los ponderadores de cada componente variarán a partir del contexto de la problemática social
sobre la que se busca intervenir.
Gráfico N° 1: “Dimensiones de la pobreza identificadas por la literatura”.
Elaboración propia a partir de varias fuentes (Espíndola et al., 2017; Santos et al., 2015; UNDP & OPHI, 2019).
El enfoque de derechos entiende la pobreza como una falta de acceso a derechos básicos y
negación de la ciudadanía, dado que estos son universales, vinculantes y exigibles al Estado
(CEPAL, 2013; Espíndola et al., 2017; Santos et al., 2015). En este sentido, la desigualdad
exógena se corrige promoviendo el acceso de los hogares pobres a los servicios que carecen de
los componentes de pobreza multidimensional.
Los programas de transferencias condicionadas son mecanismos redistributivos de protección
social que buscan influir en el comportamiento de los agentes a fin de aliviar la pobreza en el
corto plazo y detener su transmisión intergeneracional en el largo plazo (Ceccini & Madariaga,
2015; Guabloche & Sánchez, 2014). Estas intervenciones plantean un contrato social donde se
transfieren recursos al beneficiario, monetarios o no monetarios, a cambio del cumplimiento de
corresponsabilidades, generalmente direccionadas a la inversión en el capital humano de los hijos
(Ceccini & Madariaga, 2015; Fiszbein & Schady, 2009; Osorio Gonnet, 2015).
La teoría de cambio4 de los PTC sustenta que los recursos transferidos aliviarán los síntomas de
la pobreza en los hogares a través del consumo en el corto plazo. Mientras que las
corresponsabilidades dirigidas a fomentar la inversión en capital humano de los niños detendrán
la transmisión intergeneracional de la pobreza dado que ampliarán su curva de oportunidades en
3 Ver gráfico N° 1: “Dimensiones de la pobreza identificadas por la literatura”. 4 La teoría de cambio diagrama la lógica causal de cómo y por qué un programa logrará los resultados previstos y qué
condiciones y supuestos son necesarios para lograr el cambio (Gertler et al., 2017).
5
el mercado laboral, favoreciendo la superación sostenible de la pobreza en el largo plazo
(Ibarrarán, Medellín, Regalia, & Stampini, 2017).
En este sentido, el diseño de cada PTC responde a la teoría de cambio de una problemática social
cuyo contexto determinará los componentes que deben cambiar para lograr el objetivo final: la
reducción de la pobreza (Gertler, Martinez, Premand, Rawlings, & Vermeersch, 2017). Este
diseño se inicia con la elaboración de la cadena de resultados, donde se diagrama la lógica causal
entre los insumos y actividades de la intervención, los productos que se generarán y los resultados,
intermedios y finales, derivados de los cambios de comportamiento de los beneficiarios (Gertler
et al., 2017). Permite observar los supuestos y riesgos del PTC y se recomienda su construcción
junto a las partes interesadas a fin de obtener una visión colectiva.
Dado que el enfoque del presente trabajo son los PTC en educación, el análisis girará en torno al
desarrollo de capital humano desde los resultados educativos. En este sentido, el resultado final
esperado es aumentar la escolaridad (Ibarrarán et al., 2017).
Existen criterios mínimos que se deben definir al momento de diseñar un PTC. Una vez definida
la población objetivo, el criterio de asignación delimita el tamaño y la progresividad de la
cobertura en la población beneficiaria. El primero puede ser universal, toda la población objetivo,
o focalizado, segmentado a partir de la distribución geográfica, focalización familiar, exámenes
comunitarios de elegibilidad, mapas de pobreza, entre otros (Fiszbein & Schady, 2009). El
segundo puede ser inmediato, otorgando el beneficio de una vez, o secuencial, agrupando a los
beneficiarios por etapas (Gertler et al., 2017). En muchos casos, la selección óptima se ve afectada
por la disponibilidad de presupuesto asignada para la intervención (Fiszbein & Schady, 2009).
Las corresponsabilidades son el nudge sobre el comportamiento de los agentes (Ibarrarán et al.,
2017). Existen dos motivos por los cuales suele ser necesario condicionar las transferencias. Por
un lado, las familias pobres pueden incurrir en una inversión subóptima en capital humano de sus
hijos debido a un excesivo descuento del futuro retorno, barreras de información o a ideas
erróneas de rendimientos diferenciados (e.g. por género), entre otros. Por otro lado, al ser una
política redistributiva requiere de respaldo político por parte de los contribuyentes, quienes
pueden sentirse más cómodos al condicionar la contraprestación al “buen comportamiento social”
de los beneficiarios (Fiszbein & Schady, 2009; Gertler et al., 2017; Guabloche & Sánchez, 2014;
Ibarrarán et al., 2017).
Las corresponsabilidades sobre los cuales se condicionará la transferencia se derivan de los
componentes de la pobreza multidimensional identificados en la teoría de cambio y focalizados
como objetivo del PTC (Fiszbein & Schady, 2009; Gertler et al., 2017; Guabloche & Sánchez,
2014). Además, deben ser cuantificables y observables a través de un medio de verificación
6
predeterminado en el diseño del programa. Por lo general, el incumplimiento de las
corresponsabilidades es determinante en la permanencia de un beneficiario en el programa.
En américa latina, se condiciona principalmente sobre los componentes de salud y educación
(Guabloche & Sánchez, 2014). En su mayoría, la corresponsabilidad en educación suele ser entre
75% y 85% de asistencia de los niños a los servicios educativos según edad.
El monitoreo y la evaluación de impacto son métodos para generar evidencias que den soporte a
las políticas públicas (Gertler et al., 2017). Ambos requieren de medios de verificación que
recopilen información sobre el beneficiario, primaria y secundaria, con respecto a los criterios de
elegibilidad, cumplimiento de corresponsabilidades, costos, resultados y otras características.
Este seguimiento facilita la toma de decisiones durante la implementación y cimenta el camino
para la evaluación y generación de evidencias.
Las evaluaciones de impacto son valoraciones causales en determinado momento del tiempo,
durante o después del programa, que permiten identificar el cambio directamente atribuible del
programa en un resultado de interés (Gertler et al., 2017). Esto se puede traducir en la diferencia
entre el resultado de interés obtenido por los beneficiarios habiendo participado en el programa
respecto al resultado que hubieran obtenido en ausencia del mismo. Dado que el segundo término
no es observable es necesario estimarlo a través de un contrafactual válido. Para ello se propone
un grupo de comparación (control) que tenga el mismo balance de características que el grupo de
tratamiento, pero no asignado a la intervención (Gertler et al., 2017).
La metodología de estimación estará dada por las características operativas, los criterios de
elegibilidad y los recursos disponibles del programa evaluado (Gertler et al., 2017). En el óptimo,
la asignación es experimental y la evaluación es prospectiva, es decir, el tratamiento fue asignado
de manera aleatoria y la evaluación fue diseñada en simultáneo al diseño del programa. De modo
que, ex-ante: i) se definen los grupos de tratamiento y de control; ii) se seleccionan las variables
resultado a través de las cuales se medirá el éxito del programa; y iii) se recoge la línea de base
con los valores iniciales de las variables para el seguimiento y la evaluación (Gertler et al., 2017).
Una vez iniciado el programa puede ser complicado encontrar un grupo comparable al
beneficiario o recopilar la línea de base (Bernal Raquel; Peña Ximena, 2011; Gertler et al., 2017).
Los métodos experimentales favorecen la viabilidad y confiabilidad de la evaluación, dado que
la asignación aleatoria minimiza el sesgo de selección del agente (beneficiario) y del principal
(evaluador) (Bernal Raquel; Peña Ximena, 2011).
Del mismo modo, las variables resultado seleccionadas para la evaluación deben converger a
variables objetivo (resultados finales) y no limitarse a variables de proceso (resultados
intermedios). Las primeras cuantifican el efecto del PTC sobre los componentes de pobreza
multidimensional focalizados como objetivo en el diseño. Las segundas cuantifican el desempeño
7
del PTC respecto a actividades y son complementarias a la evaluación de impacto (Gertler et al.,
2017).
En términos de la evaluación, la línea de base permite corroborar la comparabilidad entre los
grupos de tratamiento y de control y posibilita cuantificar el cambio en el resultado de interés
como diferencia entre los períodos. Idealmente, los indicadores se definen a partir de la cadena
de resultados al diseñar el PTC (Gertler et al., 2017). Una buena referencia para asegurar la
calidad de los indicadores es que sean EMARF: Específicos; Medibles; Atribuibles al programa;
Realistas en tanto a la oportunidad, periodicidad y costo de la recopilación; y Focalizados en la
población objetivo (Gertler et al., 2017).
Parte del éxito de un PTC son los datos administrativos, artículos y referencias resultantes
(Fiszbein & Schady, 2009). Una evaluación tendrá validez interna en tanto las condiciones sobre
las cuales se llevó a cabo fueron específicas y controladas al contexto de la intervención5 (Gertler
et al., 2017). Por lo general mide la eficiencia del PTC y los hallazgos permiten identificar
oportunidades de mejora para reformularlo hacia mecanismos más eficientes o efectivos. En
contraposición, una evaluación tendrá validez externa en tanto se haya desarrollado bajo
condiciones normales (Gertler et al., 2017). Este tipo de evaluación mide la efectividad del PTC,
o sus ramas de tratamiento, respecto a la consecución de los resultados esperados y permite
generalizar los hallazgos de modo que los policy decisors se apoyen de esta evidencia para
escalarlo o replicarlo en contextos y poblaciones similares. El gráfico N° 2: “Definición de
validez en una evaluación” ilustra lo anterior.
Gráfico N° 2: “Definición de validez en una evaluación”.
Elaboración propia a partir de varias fuentes (Bernal Raquel; Peña Ximena, 2011; Fiszbein & Schady, 2009; Gertler
et al., 2017).
Las evaluaciones de impacto también pueden brindarnos información sobre la heterogeneidad del
efecto de una intervención. No obstante, este va a estar condicionado por el tamaño de muestra
5 En este grupo se encuentran también los métodos cualitativos que, sin ser estadísticamente representativos, tienen
validez interna y pueden brindar descubrimientos importantes sobre las dinámicas a partir del PTC(Ceccini &
Madariaga, 2015; Gertler et al., 2017).
8
para asegurar el balance en los subgrupos (Gertler et al., 2017). En una evaluación prospectiva y
experimental los subgrupos se incluyen en el criterio de asignación.
1. Metodologías de evaluación
Como se comentó en la sección anterior, el efecto impacto de un programa en un beneficiario
resulta de la diferencia entre el valor del resultado de interés cuando es asignado al programa
respecto a cuando no lo es. Donde el segundo es un término no observable y requiere ser estimado
(Bernal Raquel; Peña Ximena, 2011). En la ecuación 1, 𝜏𝑖 representa este efecto.
𝑌𝑖 = 𝛽0 + 𝜏𝑖𝐷𝑖 + 𝑢𝑖 (1)
Primero se debe definir bajo qué método se estimará el contrafactual (Gertler et al., 2017). Los
métodos experimentales o experimentos sociales controlados (RCT por sus siglas en inglés,
Randomized Controlled Trials) se basan en la asignación aleatoria del tratamiento, lo cual asegura
el supuesto de independencia condicional6 y elimina, en teoría, el sesgo de selección del agente
y del principal. En este caso, el contrafactual se estima a través de una regresión lineal de MCO
que recoge la diferencia promedio del efecto de tratados respecto a no tratados. Esto es válido
dado el supuesto de tendencias comunes, donde las características deben ser “idénticas” entre los
grupos en la línea de base. Bajo estas condiciones, el estimador de diferencias será insesgado y
consistente (Bernal Raquel; Peña Ximena, 2011).
Por lo general, los experimentos aleatorios se desarrollan sobre pilotos a pequeña escala, donde
tienen baja atrición (Fiszbein & Schady, 2009). No obstante, estos suelen desarrollarse en un
entorno excesivamente controlado por lo que sus resultados no necesariamente podrían
generalizarse. El tamaño de la muestra garantiza el balance de características (Fiszbein & Schady,
2009) y determina su capacidad predictiva del efecto para la población objetivo, es decir, validez
interna (Bernal Raquel; Peña Ximena, 2011). Sin embargo, los RCT a gran escala son ética y
políticamente cuestionados, adicionalmente a los problemas de atrición y verificación que la
escala implica (Fiszbein & Schady, 2009). A pesar de ello, los RCT son el método preferido por
los evaluadores en tanto al diseño de políticas debido a que no requieren de supuestos adicionales
(Fiszbein & Schady, 2009), pero no siempre se cuenta con las condiciones ideales para
desarrollarlo (Bernal Raquel; Peña Ximena, 2011).
En aquellos casos donde los RCT no son viables, los métodos cuasi experimentales o
experimentos naturales simulan la asignación aleatoria a través de un evento fortuito como
criterio de asignación. Por ejemplo, una catástrofe natural, fechas de nacimiento, sexo y cualquier
otra característica de índole exógeno a la teoría causal (Bernal Raquel; Peña Ximena, 2011).
Cuando el evento fortuito aleatoriza perfectamente la participación, el contrafactual se puede
6 El supuesto de independencia condicional indica que no existe correlación entre las características del individuo y
su asignación al tratamiento, es decir, 𝐸(𝑢𝑖|𝐷𝑖) = 0 (Bernal Raquel; Peña Ximena, 2011).
9
estimar igual que para los RCT. Es decir, a través de un MCO y el estimador de diferencias
(Bernal Raquel; Peña Ximena, 2011).
Debido a que el evento fortuito es exógeno al evaluador, existe la posibilidad de que la asignación
aleatoria prevalezca diferencias preexistentes entre los grupos de control y tratamiento,
amenazando la comparabilidad. Para rescatar el supuesto de tendencias comunes es necesario
estimar a través del modelo de doble diferencia, donde se adiciona al estimador de diferencias un
componente temporal. En vez de diferenciar el efecto promedio del programa en el grupo de
tratamiento respecto al del grupo de control (estimador de diferencias), el estimador de doble
diferencia contrapone la variación en el resultado de interés entre el periodo posterior y el anterior
a la implementación para el grupo de tratamiento, respecto de la misma para el grupo de control.
De esta manera, el estimador de doble diferencia nos brinda el efecto del programa controlando
por las diferencias sistemáticas en las características iniciales de los grupos (Bernal Raquel; Peña
Ximena, 2011). Bajo estas condiciones, el estimador de doble diferencia será insesgado y
consistente, además de más eficiente7 que el estimador de diferencias ya que corrige por efectos
fijos -no observables y por lo tanto no controlados- en el tiempo (Bernal Raquel; Peña Ximena,
2011).
La clara desventaja de este método es identificar un evento fortuito que garantice una asignación
perfectamente aleatoria de los individuos y por tanto brinde una estimación insesgada. Otra
desventaja es que requiere de un panel de datos que tenga al menos dos períodos, uno
necesariamente anterior a la intervención (línea de base), para todos los individuos de ambos
grupos. En el caso del panel, este puede ser resuelto a través de un pool de cortes transversales
en los períodos necesarios. Esta alternativa es válida cuando se cuenta con data representativa a
nivel del ámbito focalizado, por ejemplo encuestas de hogares para una intervención regional,
requiere el supuesto de tendencias comunes para observables y no observables en los individuos
de ambas muestras (Bernal Raquel; Peña Ximena, 2011).
Otra desventaja es que no corrige por características dinámicas de los individuos. Para corregir
esto surge el estimador de triple diferencia involucra a la población no elegible en la ecuación.
Por ejemplo, en una intervención para mejorar el acceso de las niñas a educación donde la
asignación se hizo a nivel de comunidad, se identifica que la tendencia de matrícula entre las
comunidades de control y tratamiento tenían tendencias distintas. El estimador de triple diferencia
rescatará el efecto de la intervención comparando la diferencia entre el efecto promedio de la
variación en el tiempo del acceso de las niñas respecto al de los niños en las comunidades de
tratamiento respecto al mismo estimado en las comunidades de control. En este sentido, el
7 El estimador de doble diferencia estima más exactamente el efecto del programa (eficiente) ya que reduce la
varianza del estimador, lo cual es deseable en el análisis de políticas (Bernal Raquel; Peña Ximena, 2011).
10
estimador de triple diferencia toma el supuesto de tendencias de crecimiento comunes (Fiszbein
& Schady, 2009).
Los experimentos naturales suelen desarrollarse en condiciones más normales, con una
implementación más natural que en un RCT, lo cual favorece a la validez interna de los efectos
estimados por el modelo (Bernal Raquel; Peña Ximena, 2011). Los problemas de atrición y non-
compliers de los RCT a escala persisten.
En aquellos casos donde el evento fortuito parece aleatorio, pero determina solo parcialmente la
asignación, ya no se cumple el supuesto de independencia condicional y se debe proceder por
métodos no experimentales para corregir el sesgo de selección (Bernal Raquel; Peña Ximena,
2011).
Los métodos no experimentales son especialmente útiles para evaluaciones retrospectivas, donde
existe un grupo de tratamiento y se debe identificar quiénes podrían hacer su vez como
contrafactual. En estos casos, la elección de metodologías dependerá de la claridad sobre las
reglas operativas clave del programa y las circunstancias que le acompañan (Bernal Raquel; Peña
Ximena, 2011; Gertler et al., 2017). Los criterios de elegibilidad que cumplen los principios de
buena gobernanza -equidad, transparencia y rendición de cuentas- son verificables. Los recursos
disponibles que indican si el programa, ahora o eventualmente, tendrá cobertura universal o si se
focalizó a partir de los recursos -económicos, financieros o logísticos- disponibles. El calendario
de implementación, en caso se haya desarrollado una implementación secuencial (Gertler et al.,
2017). Los criterios de focalización o priorización, a fin de conocer si tienen origen cuantitativo
o cualitativo (Bernal Raquel; Peña Ximena, 2011).
Un método no experimental son las variables instrumentales. Estas son útiles cuando los recursos
disponibles permiten la administración universal del tratamiento y seleccionar individuos para el
grupo de control no sería ético. O cuando existen non-compliers8 en la muestra, es decir, no
tratados a los que se le asignó tratamiento -never takers- y tratados a los que no se asignó
tratamiento -always takers. El gráfico N° 3: “Distribución de individuos por cumplimiento en la
muestra de evaluación” ilustra lo anterior. En estos casos la asignación se hace respecto a una
variable externa, la variable instrumental, que esté correlacionada con el tratamiento -relevante-
pero no con el error -exógena (Bernal Raquel; Peña Ximena, 2011). En otras palabras, el
instrumento debe recoger la variación en la participación en el programa que no se determina por
las características del individuo.
8 Además, en teoría, existe un grupo que actuaría exactamente en contraposición con lo asignado -defiers- pero se
asume como supuesto su inexistencia para las evaluaciones.
11
Compliers Compliers
Always taker
Always- takers
Gráfico N° 3: “Distribución de individuos por cumplimiento en la muestra de evaluación”
Elaboración propia a partir de varias fuentes (Bernal Raquel; Peña Ximena, 2011; Fiszbein & Schady, 2009; Gertler
et al., 2017).
En este sentido, el instrumento permite estimar dos efectos9: el impacto de la asignación al
programa (ITT, por sus siglas en inglés, Intention to Treat) y el impacto local del programa en
los compliers asignados al tratamiento (LATE por sus siglas en inglés, Local Average Treatment
Effect). El ITT estima los resultados del grupo de tratamiento respecto a los del grupo de control,
independientemente si son compliers o non-compliers. El LATE estima los resultados de los
compliers del grupo de tratamiento (Gertler et al., 2017).
Para estimar el LATE es necesario retirar el efecto de los always-takers del ITT. A partir de la
comparabilidad entre los grupos, si x% del grupo de control recibe el programa, podemos asumir
con tranquilidad que ese mismo x% corresponderá a always-takers del grupo de tratamiento, ya
que los grupos están balanceados (Gertler et al., 2017). Entonces, como se ve en la ecuación 2, el
LATE será el ITT solo para los compliers de tratamiento. Cuando el cumplimiento no es perfecto
en el tratamiento, el LATE será mayor al ITT.
𝐿𝐴𝑇𝐸 = 𝐼𝑇𝑇/𝑐𝑜𝑚𝑝𝑙𝑖𝑒𝑟𝑠𝑡𝑟𝑎𝑡𝑎𝑚𝑖𝑒𝑛𝑡𝑜 (2)
Al ser local, este estimador no tiene validez externa y solo será representativo sobre los grupos
de compliers con las mismas características (Bernal Raquel; Peña Ximena, 2011; Fiszbein &
Schady, 2009; Gertler et al., 2017). La estimación se realiza a través de un modelo en dos etapas,
donde la primera estima la probabilidad de tratar a partir del instrumento y la segunda el efecto
del tratamiento predicho sobre la variable resultado (Bernal Raquel; Peña Ximena, 2011).
La desventaja está en encontrar un instrumento que sea relevante y, especialmente, que sea
exógeno (Gertler et al., 2017). Para verificar lo último existen pruebas de exogeneidad, sin
embargo, requieren sobre identificar el modelo, lo cual no siempre es posible (Bernal Raquel;
9 Cuando hay cumplimiento perfecto, es decir, todos los del grupo de tratamiento son tratados y los del grupo de
control no, el efecto estimado es ATE (Average Treatment Effect) (Bernal Raquel; Peña Ximena, 2011).
Never- takers
Tratamiento Never-
takers
Control
12
Peña Ximena, 2011). Asimismo, si el poder de estimación (relevancia) es débil, la variable
instrumental amplificará el sesgo de selección que capturaría MCO (Fiszbein & Schady, 2009).
Otro método no experimental es el emparejamiento, útil cuando no se tienen criterios de
elegibilidad claros y conocidos. Este método toma como supuesto que el sesgo de selección se
basa únicamente en características observables por el evaluador, por lo tanto, se puede controlar
(Bernal Raquel; Peña Ximena, 2011). Entonces, para estimar el contrafactual, construye el grupo
de control a partir de aquellos que no han participado en el programa y son idénticos a los tratados
sobre la base de las características observables que, ha identificado, se encuentran correlacionadas
con la asignación (Gertler et al., 2017).
La maldición de la dimensionalidad hace que, de elegir pocas variables para el emparejamiento
se pierda comparabilidad; en contraposición, de elegir muchas variables sea imposible emparejar
a la mayoría (Gertler et al., 2017). Para evitar lo anterior, el puntaje de propensión (PSM por sus
siglas en inglés, Propensity Score Matching) estima la probabilidad de participación en el
programa para cada individuo a partir de los valores iniciales -anteriores al tratamiento para evitar
endogeneidad- de las características identificadas (Gertler et al., 2017). Entonces, el
emparejamiento se da entre unidades del grupo de tratamiento con puntajes muy parecidos a
aquellas del grupo de control (Bernal Raquel; Peña Ximena, 2011; Gertler et al., 2017).
El estimador es LATE y brinda información solo sobre los individuos en la región de soporte
común, es decir, excluirá a los individuos cuyas probabilidades de participar o no participar sean
0 o 1 y aquellos que no tengan contraparte en el otro grupo (Bernal Raquel; Peña Ximena, 2011;
Gertler et al., 2017). Esto es una clara desventaja sobre la validez. Además, el supuesto de que la
asignación se determina únicamente por observables es muy fuerte y condiciona la capacidad
predictiva del indicador a una exhaustiva selección de las características por parte del evaluador.
De no cumplirse este supuesto el estimador es sesgado.
Otra desventaja es la necesidad de contar con una línea de base, de otro modo, identificar variables
que no se correlacionen con el programa puede ser complicado (Gertler et al., 2017). En algunos
casos los evaluadores optan por líneas de base retrospectivas. Estas añaden el sesgo de recuerdo,
dado que la información suministrada por una unidad sobre el pasado no necesariamente se
condice con la realidad (Fiszbein & Schady, 2009).
En caso se cuente con una línea de base apropiada, el método de emparejamiento combinado con
la doble diferencia permite controlar por los efectos fijos en el tiempo de características no
observables o no disponibles en la base (Gertler et al., 2017). En estos casos, se recomienda
validar la comparabilidad entre grupos verificando el supuesto de tendencias comunes tanto en
las unidades de evaluación como en sus subunidades. Por ejemplo, a nivel de hogares y también
a nivel de individuos. Otra alternativa es verificar que el efecto del tratamiento en variables que
13
no debieron verse afectadas por este es estadísticamente nulo o, en todo caso, es la misma en
ambos grupos. Y otra es usar más de una base de datos para la estimación (Fiszbein & Schady,
2009).
Otro método no experimental es la regresión discontinua (RD), que sí controla el sesgo no
observable dada la discontinuidad de la participación en el tratamiento alrededor del umbral
asignado (Bernal Raquel; Peña Ximena, 2011). Este método es útil cuando el programa se ha
focalizado alrededor del umbral de un índice de elegibilidad continuo no manipulable por los
agentes (Bernal Raquel; Peña Ximena, 2011; Fiszbein & Schady, 2009; Gertler et al., 2017). El
supuesto principal es que las unidades alrededor del umbral -por encima o por debajo- son muy
similares entre sí a excepción del tratamiento. Por lo que un grupo puede ser contrafactual del
otro (Bernal Raquel; Peña Ximena, 2011; Fiszbein & Schady, 2009; Gertler et al., 2017).
El estimador resultante de la regresión discontinua es LATE, cuya localidad se encuentra
alrededor del umbral de la variable continua (Bernal Raquel; Peña Ximena, 2011; Fiszbein &
Schady, 2009; Gertler et al., 2017). Cuando el umbral determina perfectamente el tratamiento se
denomina RD nítido. Cuando el umbral solo ajusta la probabilidad de participar del tratamiento
se denomina RD difuso (Gertler et al., 2017). En este último caso se puede utilizar el umbral
como variable instrumental dentro de un modelo de regresión en dos etapas MC2E. Donde la
primera etapa está dada por la predicción no lineal del tratamiento por parte del instrumento y la
segunda en el análisis de dicha probabilidad en la regresión discontinua (Bernal Raquel; Peña
Ximena, 2011). No obstante, la desventaja de este método es incrementar la localidad de la
estimación alrededor del umbral y que son compliers de tratamiento (Gertler et al., 2017).
Al analizar las reglas operativas de un programa, podría identificarse más de una metodología
válida para su evaluación. En estos casos se recomienda combinar metodologías de modo que se
amplíen las oportunidades de evaluación frente a posibles contingencias. Para ello, los
evaluadores prospectivos deben diseñar o seleccionar los medios de verificación de modo que se
cuente con insumos para implementarlas en su momento (Bernal Raquel; Peña Ximena, 2011).
En retrospectiva, diferentes enfoques sobre una misma hipótesis brindan solidez a los resultados
(Fiszbein & Schady, 2009).
CAPÍTULO II. EVIDENCIA EMPÍRICA
La aplicación de los programas de transferencia condicionada se ha expandido rápidamente desde
su creación. Al día de hoy, son utilizados en alrededor de 50 países de los 5 continentes
(Guabloche & Sánchez, 2014). La cobertura de los mismos también ha ido creciendo
paralelamente y su uso se ha concentrado, mayoritariamente, en países en desarrollo (Fiszbein &
Schady, 2009).
14
Por ejemplo, el programa Bolsa Escola se creó en abril del 2001 y estandarizó en términos de
cobertura, montos y condicionalidades a otros programas precedentes de Brasil. El criterio de
elegibilidad para ser beneficiario del programa era pertenecer a hogares con ingresos per cápita
menores a 90 reales por mes y que cuenten en su composición con niños de entre 6 a 15 años de
edad. La transferencia estaba condicionada por la asistencia escolar del niño a por lo menos el
85% de las clases. Esto hacía acreedora a la madre de 15 reales por hijo hasta por un máximo de
45 reales (Bourguignon, Ferreira, & Leite, 2003).
Hacia el año 2003, debido a la necesidad de unificar programas superpuestos y de baja cobertura
se creó el programa Bolsa Familia. Dicho programa, tenía como criterio de asignación a las
familias pobres y pobres extremas con ingresos mensuales per cápita de hasta 154 reales
(Hellmann, 2015). En adición a Bolsa Escola, Bolsa Familia solicitaba corresponsabilidades
correspondientes al cuidado de la salud asociados principalmente a los cuidados prenatales y de
primera infancia (BID, 2016). En 2015, el programa ha tenido alrededor de 14 millones de
familias beneficiarias las cuales recibieron en promedio 167.15 reales hasta por un máximo de
336 reales para las familias extremamente pobres10 (Fiszbein & Schady, 2009; Hellmann, 2015).
Respecto a su impacto, Bolsa Escola luego de un análisis exante en donde se estima un modelo
de elección ocupacional mediante simulaciones se busca estimar el impacto del programa en la
reducción del trabajo infantil. Los resultados sugieren que el 60% de los beneficiarios entre 10 y
15 años se matriculan en la escuela debido al programa pero que los efectos del programa en la
reducción de la pobreza en el largo plazo es marginal, aproximadamente 1% (Bourguignon et al.,
2003).
Por su parte Bolsa Familia, ha demostrado que mejora los resultados en educación sin tener un
impacto negativo en la participación en la fuerza laboral por parte de los beneficiarios; sin
embargo, el impacto en las corresponsabilidades de salud no son los esperados. En cuanto a
educación, (Veras, Ribas, Osório, Lia, & Ribas, 2018) utilizan técnicas de emparejamiento para
medir la diferencia promedio entre los hogares tratados y los no tratados. Se encontró que la
probabilidad de faltar a clases era 3.6 puntos porcentuales menor en los niños del tratamiento y
que el porcentaje de deserción era 1.6 puntos porcentuales menor que en los niños no tratados.
Respecto a este caso, el grupo considera que los estimadores pueden estar sesgados debido a que
el levantamiento de información en la que se basó el emparejamiento se realizó posterior al inicio
del programa. Dado esto, no necesariamente los valores tomados para el emparejamiento serían
los mismos que si se hubiese levantado la información al inicio del programa por lo que el grupo
de control podría variar y las estimaciones también.
10 Entre beneficio básico y beneficios variables (beneficio variable, beneficio variable joven, beneficio de superación
de la extrema pobreza).
15
En México, Oportunidades/Progresa es un programa de transferencia condicionada que se creó
en 1997 con el objetivo de atender los componentes de educación, salud y nutrición para la
reducción de la pobreza y su incidencia intergeneracional. Dicho programa fue implementado
como un diseño aleatorio, inicialmente en comunidades rurales11 aunque al día de hoy ya se haya
extendido a poblaciones semirrurales12 y urbanas13 (Fiszbein & Schady, 2009). Se seleccionó 506
comunidades de 7 estados con mayor población en situación de pobreza extrema. De dichas
comunidades, 320 corresponden al grupo de tratamiento y 186 al grupo de control. Las 320
seleccionadas fueron asignadas de manera aleatoria (Parker & Teruel, 2005).
En cuanto a educación, los beneficios varían según el grado y el género de los niños/adolescentes.
La asignación económica puede llegar hasta por USD 90.00 por familia si cuentan en su
composición con estudiantes de primaria y hasta USD 160.00 si cuentan con estudiantes de
secundaria. La corresponsabilidad consistente en la asistencia del niño/adolescente a la escuela
el cual no puede faltar más de 3 días de manera injustificada o la familia no recibirá la asignación
de ese mes (Parker & Teruel, 2005).
En cuanto a su impacto, (Whetten, Fontenla, & Villa, 2018) utilizaron el enfoque de regresión
discontinua para evaluar el efecto del programa en la inscripción rural en educación superior
luego de 10 años de iniciado el programa. Esto ya que se encontró una discontinuidad aguda en
el corte de elegibilidad. Los resultados sugieren que el programa incrementa la inscripción en
educación secundaria pero estos efectos dependen del acceso a las escuelas ya que disminuyen
con la distancia a las mismas; además, los resultados sugieren que el programa beneficia
indirectamente a las personas que viven en hogares elegibles pero que han pasado el rango de
edad para ser beneficiarios directos del programa. Este beneficio se evidencia en la mejora de sus
aspiraciones educacionales.
En Chile, el programa Chile Solidario se creó a inicios de los 2000 debido a que se observó que
la tasa de la reducción de la pobreza se había estancado. Esto llevó a los hacedores de política a
considerar que hay un porcentaje de pobreza que no responde al crecimiento económico o a las
tradicionales políticas sociales con transferencias incondicionadas (Larranaga, Contreras, &
Ruiz-Tagle, 2012).
El objetivo de Chile Solidario es promover la incorporación de familias y personas en situación
de extrema pobreza a las redes de servicios sociales, así como su acceso a mejores condiciones
de vida para que superen la pobreza extrema. Esto se da a través de varios programas intermedios
y con apoyo de un profesional especializado durante los dos primeros años del programa. Uno de
los programas intermedios es el programa puente en el que se da una transferencia condicionada
11 Comunidades con menos de 2,500 habitantes. 12 Entre 2,500 y 14,999 habitantes. 13 15,000 habitantes o más.
16
de USD 20.00 para cubrir los costos de transacción del acceso a las redes de servicios social. La
población beneficiaria del programa son las 268 mil familias pobres extremas perteneciente al
quintil más pobre (Fiszbein & Schady, 2009).
En cuanto a su impacto, (Larrañaga, Contreras, & Cabezas, 2014) el programa muestra resultados
positivos en los primeros dos años en los que las familias son acompañadas por un profesional
especializado. Estos resultados sugieren mayor asistencia escolar y desarrollo de habilidades
sociales; sin embargo, los resultados no son significativos en incremento de ingresos e inserción
laboral.
En Perú, el programa Juntos inició en 2005 con presencia en 4 departamentos. Posteriormente, se
expandió a 21 departamentos y cuenta con 745 mil hogares usuarios. Juntos busca contribuir con
la reducción de la pobreza extrema y busca incentivar la acumulación de capital humano en los
hogares de pobreza y pobreza extrema. Esto mediante la transferencia de PEN 100.00 mensuales
esperando el cumplimiento de corresponsabilidades en salud y educación (Seinfeld, Monge, &
Campana, 2017).
El primer criterio para determinar la población objetivo del programa es priorizar a los distritos
con un nivel de pobreza mayor o igual al 40% y que pertenezcan a zona rural. El segundo criterio,
es que de los distritos seleccionados se determine a las hogares pobres y pobres extremos que
tengan en su composición madres gestantes, niños o personas de hasta 19 años (Streuli, 2012).
La corresponsabilidad referente a la educación está relacionada a la asistencia del niño al colegio
a por lo menos el 85% de las clases (Fiszbein & Schady, 2009).
En cuanto a su impacto, (Seinfeld et al., 2017) utilizan la metodología de diferencias en
diferencias con efectos fijos a nivel de hogar/individuo y los resultados sugieren que el programa
genera un incremento en el consumo per cápita de los hogares y asistencia escolar además de la
reducción de la deserción escolar. Sin embargo, el programa no ha demostrado mejoras en las
variables de salud como parto institucional, incremento de talla y peso al nacer.
En Colombia, el programa Más Familias en Acción inició en el 2001 y tiene como objetivo la
reducción de la pobreza, la desigualdad de ingreso y la acumulación de capital humano. La
población objetivo son hogares pobres o pobres extremos con hijos menores de 18 años. El
incentivo por el lado de la educación puede llegar hasta USD 17.66 hasta por un máximo de tres
hijos (Corbella & Calle Espinosa, 2017). La corresponsabilidad está asociada a la asistencia del
hijo al colegio a por lo menos el 80% bimensual (Fiszbein & Schady, 2009).
Respecto a su impacto, (S. García, Harker, & Cuartas, 2018) utilizan la metodología de
diferencias en diferencia debido para estimar el efecto del programa en las aspiraciones
educacionales de los padres y niños beneficiaros. Esto es posible debido a la existencia de una
17
línea de base. Los resultados sugieren que el programa tiene un resultado positivo tanto para los
padres como para los hijos. La probabilidad de que los padres incrementen el deseo de que su
hijo tenga una educación superior creció en 11 puntos porcentuales y la probabilidad de que el
propio niño aspire a tener una educación superior creció en 20 puntos porcentuales.
18
CONCLUSIONES Y RECOMENDACIONES
A partir de la literatura se puede observar que las transferencias condicionadas requieren de
mecanismos complementarios para combatir efectivamente la pobreza intergeneracional. Estos
mecanismos complementarios pueden ser por el lado de la oferta, garantizando el acceso a bienes
y servicios básicos. También pueden ser políticas complementarias que favorezcan a la
superación definitiva de la pobreza como iniciativa propia del individuo y no como
condicionamiento, como programas de desarrollo de capacidades.
Al hacer una compilación de los resultados, se identifica que existe una relación positiva entre el
programa y las variables intermedias de matrícula y asistencia. Sin embargo, no se profundiza
sobre los efectos en variables finales como lo son el logro académico y grado alcanzado. Este
análisis resulta crucial para determinar si hay o no acumulación de capital humano, es decir, si
existe efecto de largo plazo o solo se trata de políticas paliativas de la pobreza actual. Es
importante resaltar en este punto que la falta de evidencia puede deberse a la temporalidad que
tienen los PTC, no obstante, existen intervenciones que superan los 10 años y podrían ser objeto
de evaluación.
La revisión bibliográfica de los programas demuestra que existe un componente de género en el
diseño de las transferencias. El cual debe significar una causalidad importante en la teoría de
cambio de la pobreza multidimensional. Este componente en el diseño lleva a la práctica el
argumento de que las madres pueden cambiar las preferencias de educación del hogar respecto a
los hijos, favoreciendo la equidad en el acceso a educación para las hijas mujeres. Ya que casi
todas las asignaciones monetarias se las dan a la madre. En México destaca la asignación
diferenciada del beneficio por género, asignando más dinero si la familia tiene una hija.
Son pocos los programas que han concebido la evaluación desde su diseño. Por ejemplo, en el
caso Brasil se desarrollaron muchas evidencias, no obstante, esto no fue consistente desde un
inicio. De haber diseñado evaluaciones prospectivas, el recojo de una línea de base y múltiples
alternativas de medición podrían beneficiar la validez y capacidad de generalización de las
evidencias generadas. Favoreciendo tanto a la academia como a los policy-makers de economías
similares.
La medición se complica cuando los programas continúan por períodos muy extensos de tiempo
y, por consiguiente, sufren adaptaciones y se implementan mejoras. En estos casos, tratar de hacer
una evaluación de impacto requerirá de métodos no experimentales para estimar contrafactuales
verosímiles sobre programas que, muy probablemente en alguna etapa, han tenido un efecto sobre
los no beneficiados. Esto genera resultados cuestionables ya que complejiza sobremanera el
cálculo de estimadores insesgados, consistentes y eficientes. Es importante contemplar un período
de implementación en el diseño de los PTC que no dependa exclusivamente de la violación a los
19
criterios de elegibilidad. Sino que represente una intervención estructural que en un período
determinado rinda frutos y no caiga en paternalismo.
Las evaluaciones de impacto de los PTC son herramientas útiles para corroborar la eficacia de la
intervención. No obstante, es imprescindible complementarlas con métodos cualitativos que
permitan recoger otras aristas de la problemática. En estos métodos podemos observar las
dinámicas desarrolladas a partir de la implementación del PTC y, en caso no sea exitoso, brinda
importantes hallazgos sobre el porqué se desenvolvió así. Adicionalmente, no basta con saber que
un programa es efectivo si los costos de implementarlo son inmanejables. Las evaluaciones de
costo-beneficio y costo-efectividad brindan información crucial para los policy-decisors respecto
a replicabilidad y escalabilidad de un PTC.
En el caso peruano, el programa Juntos se presenta como un ejemplo de uso de criterios de
elegibilidad de buena gobernanza para la asignación de tratamiento. El SISFHO rescata los
valores que determinan si una familia es o no elegible de manera cuantitativa, verificable,
transparente y equitativa. Así, la asignación resulta ética. Sin embargo, esto es vulnerable a
manipulación de los encuestadores y de los agentes, debido a que los criterios, por ejemplo, en
tanto a nivel de ingresos, son conocidos. En este sentido, las familias pueden esconder ingresos
o reducir su participación en el mercado laboral; mientras que los encuestadores pueden favorecer
a los hogares que se encuentren próximos al umbral.
20
REFERENCIAS BIBLIOGRÁFICAS
Bernal Raquel; Peña Ximena. (2011). Guía práctica para la evaluación de impacto.
BID. (2016). Programas De Transferencia Monetarias Condicionadas.
Borraz, F., & González, N. (2008). PANES: focalización e impacto. Revista de Ciencias
Empresariales y Economía, (7), 73–110.
Bourguignon, F. (2004). The Poverty-Growth-Inequality Triangle.
Bourguignon, F., Ferreira, F. H. G., & Leite, P. G. (2003). Conditional Cash Transfers ,
Schooling and Child Labor : 17(2), 229–254. https://doi.org/10.1093/wber/lhgO18
Ceccini, S., & Madariaga, A. (2015). Programas de transferencias condicionadas: Balance de la
experiencia reciente en América Latina y el Caribe. In The effects of brief mindfulness
intervention on acute pain experience: An examination of individual difference (Vol. 1).
https://doi.org/10.1017/CBO9781107415324.004
CEPAL. (2013). La Medición Multidimensional de la Pobreza (Vol. 3615). Retrieved from
https://repositorio.cepal.org/bitstream/handle/11362/16433/1/S2013236_es.pdf
Corbella, V. I., & Calle Espinosa, Y. C. (2017). Monetary Conditional Transfer Policies:
Argentina and Colombia cases. Investigación & Desarrollo, 25(1), 135–164.
https://doi.org/10.14482/indes.25.1.10234
Espíndola, E., Sunkel, G., Murden, A., & Milosavljevic, V. (2017). Medición Multidimensional
de la pobreza infantil. Una revisión de sus principales componentes teóricos,
metodológicos y estadísticos. CEPAL UNICEF, 235. Retrieved from
https://repositorio.cepal.org/bitstream/handle/11362/41214/4/S1700352_es.pdf
Fiszbein, A., & Schady, N. R. (2009). Transferencias monetarias condicionadas: reduccion de la
pobreza actual y futura. In Transferencias monetarias condicionadas: reduccion de la
pobreza actual y futura. https://doi.org/10.1596/978-9-5883-0773-2
García, J. M., & Céspedes, N. (2011). Pobreza y crecimiento económico : tendencias durante la
década del 2000. Retrieved from
http://www.bcrp.gob.pe/docs/Publicaciones/Documentos-de-Trabajo/2011/Documento-de-
Trabajo-21-2011.pdf
García, S., Harker, A., & Cuartas, J. (2018). Building dreams: The short-term impacts of a
conditional cash transfer program on aspirations for higher education. International
Journal of Educational Development, 64(April 2018), 48–57.
https://doi.org/10.1016/j.ijedudev.2018.12.006
Gertler, P. J., Martinez, S., Premand, P., Rawlings, L. B., & Vermeersch, C. M. J. (2017). La
21
evaluación de impacto en la práctica. In La evaluación de impacto en la práctica.
https://doi.org/10.1596/978-0-8213-8681-1
Guabloche, J., & Sánchez, A. (2014). ¿Qué sabemos sobre los programas de transferencias
condicionadas? Modeda: Política Social, 19–23.
Ham, A. (2014). The impact of CCTs on educational inequality of opportunity. University of
Illinois at Urbana-Champaign, 49(3).
Hellmann, A. G. (2015). ¿Cómo funciona Bolsa Familia? Nota Técnica No Idb-Tn-856.
Ibarrarán, P., Medellín, N., Regalia, F., & Stampini, M. (2017). Así funcionan las transferencias
condicionadas.
Larrañaga, O., Contreras, D., & Cabezas, G. (2014). Políticas Contra la Pobreza: de Chile
Solidario al Ingreso Ético Familiar. Programa de las Naciones Unidas para el Desarrollo
- Área de Reducción de la Pobreza y la Desigualdad. 33.
Larranaga, O., Contreras, D., & Ruiz-Tagle, J. (2012). Impact evaluation of chile solidario:
Lessons and policy recommendations. Journal of Latin American Studies, 44(2), 347–372.
https://doi.org/10.1017/S022216X12000053
López, H. (2003). Macroeconomics and inequality. Washington DC: The World Bank
Processed, 0–28. Retrieved from http://www-
wds.worldbank.org/external/default/WDSContentServer/WDSP/IB/2006/10/10/00009034
1_20061010162122/Rendered/PDF/375720Macroeco10inequality01PUBLIC1.pdf
Osorio Gonnet, C. (2015). Mecanismos de difusión de los Programas de Transferencia
Condicionada en América Latina. El caso chileno. Íconos - Revista de Ciencias Sociales,
19(53), 31. https://doi.org/10.17141/iconos.53.2015.1540
Parker, S. W., & Teruel, G. M. (2005). Randomization and social program evaluation: The case
of Progresa. Annals of the American Academy of Political and Social Science, 599, 199–
219. https://doi.org/10.1177/0002716205274515
Santos, M. E., Villatoro, P., Mancero, X., & Gerstenfeld, P. (2015). A Multidimensional
Poverty Index for Latin America. In OPHI Working Paper 79E. Retrieved from
https://www.ophi.org.uk/wp-content/uploads/OPHIWP079.pdf
Seinfeld, J., Monge, A., & Campana, Y. (2017). Evaluación de Impacto del programa JUNTOS
- Resultados finales. In MEF.
Streuli, N. (2012). WORKING PAPER NO . 78 Children ’ s Experiences of Juntos , a
Conditional Cash Transfer Scheme in Peru WORKING PAPER NO . 78 Children ’ s
Experiences of Juntos , a Conditional Cash Transfer Scheme in Peru.
22
UNDP, & OPHI. (2019). Global Multidimensional Poverty Index 2019 Illuminating
Inequalities. Retrieved from
http://hdr.undp.org/sites/default/files/mpi_2019_publication.pdf
Veras, F., Ribas, R. P., Osório, R. G., Lia, B. F. A. M., & Ribas, R. P. (2018). Evaluating The
Impact Of Brazil´s Bolsa Familia. 45(2), 173–190.
Whetten, J., Fontenla, M., & Villa, K. (2018). Opportunities for higher education: the ten-year
effects of conditional cash transfers on upper-secondary and tertiary enrollments. Oxford
Development Studies, 47(2), 222–237. https://doi.org/10.1080/13600818.2018.1539472
World Bank Group. (2018). Piecing Together the Poverty Puzzle. In Piecing Together the
Poverty Puzzle. https://doi.org/10.1596/978-1-4648-1330-6